好记性不如烂笔头 边学习边记录1

主题：脑肿瘤分割 使用基于Unet的端到端的网络结构，在扩张和紧缩路径中加入了Inception模块和空洞卷积。

数据集：Tumor Segmentation (BraTS) 2018 dataset

结论：该方法对神经胶质瘤三个子区中的两个(肿瘤中心和整个肿瘤的分割)的分割效果有所提升。

处理方法：

预处理：（MRI数据预处理）

（1）计算每张图中脑的bbox，提取图中选择的区域，从而剔除多余的背景

（2）将裁剪的图像resize到128*128的尺寸

（3）在ground truth分割中丢弃不含有肿瘤的区域

（4）对每个图像应用强度窗函数，使最低的1%和最高的99%像素值分别映射为0和255

（5）对每个图像应用z-score归一化，即减去数据集的均值并除以数据集的标准差

网络模型：

图中下面的数字代表使用的滤波器数量，输入特征图的宽高深，乘以3是因为inception中三路的叠加。

实验：

消融实验为没有使用空洞卷积的Inception Unet网络，十折交叉验证。